Resumo Técnico: Aprendizado Auto-supervisionado Progressivo com Invariância-J para Remoção de Ruído em TC de Baixa Dose

Declaração do Problema

A tomografia computadorizada (TC) de baixa dose (LDCT) é fundamental para reduzir a exposição à radiação em contextos clínicos, como rastreamento de câncer e detecção de nódulos pulmonares. No entanto, a dose reduzida de radiação introduz inerentemente ruído e artefatos significativos, comprometendo a clareza da imagem e a confiança diagnóstica. Embora métodos de aprendizado profundo supervisionado (por exemplo, U-Net, RED-CNN) tenham alcançado desempenho robusto na remoção de ruído, eles dependem fortemente de dados pareados de TC de dose normal (NDCT) e TC de baixa dose (LDCT), que são frequentemente escassos ou impossíveis de adquirir devido a restrições éticas e de radiação.

Alternativas auto-supervisionadas existentes, particularmente métodos de "ponto cego" (blind-spot) como Noise2Void e Noise2Self, tentam eliminar a necessidade de alvos limpos impondo independência condicional (invariância-J), onde a previsão de um pixel é independente de sua própria observação ruidosa. No entanto, essas abordagens convencionais sofrem de duas limitações primárias:

1. Ineficiência de Treinamento: Elas tipicamente impõem independência condicional em um único passo com campos receptivos restritos, levando a um aprendizado subótimo de detalhes estruturais.
2. Sobreajuste e Instabilidade: Sem referências limpas, esses modelos tendem a sobreajustar o ruído ou falhar em aprender características contextuais robustas, especialmente dada a complexidade, não gaussianidade e correlação espacial das características de ruído da LDCT (que difere dos modelos de ruído aditivo frequentemente assumidos na remoção de ruído de imagens naturais).

Metodologia

Os autores propõem o Aprendizado Progressivo com Invariância-J (PJSL), um novo framework auto-supervisionado projetado para aprimorar a remoção de ruído em LDCT, maximizando a utilidade da propriedade de invariância-J por meio de um processo de treinamento multiestágio.

Mecanismo Central

O método reformula a tarefa de remoção de ruído como um processo progressivo temporalmente, em vez de um mapeamento de passo único.

• Remoção de Ruído de Ponto Cego Passo a Passo: Em vez de uma única passagem forward, a rede opera ao longo de $K$ passos de tempo. Em cada passo $t$, a saída desruidada $\hat{x}_t$ serve como entrada para o próximo passo $\hat{x}_{t+1}$.
• Mascaramento Progressivo: Para impor invariância-J, uma máscara binária aleatória $M$ é aplicada à entrada em cada passo de tempo. Essa máscara é aplicada tanto à entrada bruta de LDCT quanto à saída desruidada intermediária. Essa estratégia trata os estágios progressivos de desruidagem como "aumento de dados gradualmente amplificado", permitindo que a rede refine incrementalmente detalhes estruturais e agregue informações contextuais ao longo de múltiplos passos.
• Injeção Controlada de Ruído: Para prevenir sobreajuste e melhorar o aprendizado de correlações de pixels, os autores injetam ruído gaussiano branco aditivo (AWGN) de média zero controlado tanto na entrada quanto no alvo durante o treinamento. A análise teórica sugere que minimizar a perda entre entradas ruidosas e alvos ruidosos (onde o ruído é independente e de média zero) minimiza indiretamente a perda supervisionada entre a saída da rede e o ground truth limpo.

Treinamento e Inferência

• Treinamento: Um único modelo é treinado através de diferentes passos de tempo com máscaras aleatórias variáveis. A função de perda minimiza a diferença entre a entrada mascarada e perturbada por ruído e o alvo perturbado por ruído.
• Inferência: Durante os testes, $k$ versões da mesma imagem de LDCT, diferentemente mascaradas, são alimentadas no modelo treinado. A imagem final desruidada é obtida pela média das saídas correspondentes, aproveitando o efeito de ensemble para estabilizar o resultado.

Contribuições Principais

1. Estratégia Progressiva com Invariância-J: O artigo introduz um mecanismo de mascaramento e desruidagem passo a passo que supera as ineficiências de treinamento dos métodos convencionais de ponto cego. Ao impor progressivamente a independência condicional, o modelo aprende a recuperar estruturas anatômicas de alta granularidade de forma mais eficaz.
2. Regularização Baseada em Ruído: Os autores injetam explicitamente ruído gaussiano controlado tanto nas entradas quanto nos alvos. Isso serve como um mecanismo de regularização que mitiga o sobreajuste e aprimora a robustez do processo de aprendizado auto-supervisionado sem violar as suposições de invariância-J.
3. Desempenho Agnóstico à Arquitetura: A estratégia proposta é demonstrada como compatível com várias arquiteturas base (U-Net, Swin-Unet, RED-CNN), proporcionando melhorias consistentes em diferentes designs de rede.
4. Justificativa Teórica: O artigo fornece uma derivação teórica mostrando que a injeção de ruído proposta e a formulação progressiva de perda estão alinhadas com o objetivo de minimizar a perda supervisionada, mesmo na ausência de alvos NDCT limpos.

Resultados Experimentais

Extensos experimentos foram conduzidos no conjunto de dados do Mayo LDCT Grand Challenge, utilizando 27 pacientes para treinamento e 9 para avaliação (garantindo separação ao nível do sujeito).

• Desempenho Quantitativo: O método proposto (PJSL) superou consistentemente as abordagens auto-supervisionadas existentes (Noise2Void, Neighbor2Neighbor, BM3D) em todas as métricas (PSNR, SSIM, RMSE).
  • No conjunto de dados abdominal, o PJSL com uma base U-Net alcançou um PSNR de 31,510 dB, superando o RED-CNN supervisionado (31,748 dB) e superando significativamente outros métodos auto-supervisionados.
  • No conjunto de dados torácico, mais desafiador, o PJSL alcançou um PSNR de 18,131 dB, superando o RED-CNN supervisionado (19,792 dB) e as bases auto-supervisionadas.
• Comparação com Métodos Supervisionados: O PJSL alcançou desempenho comparável e, em alguns casos, superior a métodos supervisionados representativos (por exemplo, CycleGAN, RED-CNN) sem exigir dados pareados de NDCT.
• Estudos de Ablação:
  • Passos de Tempo ($k$): O desempenho melhorou conforme $k$ aumentou de 1 para 5, atingindo um ótimo em $k=5$. Aumentos adicionais levaram à degradação devido ao acúmulo de erros.
  • Injeção de Ruído: A combinação de mascaramento progressivo com injeção de ruído produziu os melhores resultados, confirmando que a injeção de ruído previne o sobreajuste causado pela alta similaridade entre entrada e alvo.
  • Razão de Máscara ($\alpha$): Uma razão de máscara ótima de 0,1 foi identificada; razões mais baixas forneceram supervisão fraca, enquanto razões mais altas removeram muita informação contextual.

Significado e Alegações

O artigo afirma que o Aprendizado Progressivo com Invariância-J reduz significativamente a lacuna de desempenho entre métodos de remoção de ruído auto-supervisionados e supervisionados sem aumentar a complexidade do modelo. Ao abordar as ineficiências de treinamento das redes de ponto cego tradicionais e os problemas de sobreajuste inerentes ao aprendizado auto-supervisionado, o método permite desruidagem de alta qualidade em LDCT em cenários onde dados limpos pareados estão indisponíveis.

Os autores enfatizam que sua abordagem relaxa as suposições restritivas do Noise2Noise (exigindo observações ruidosas pareadas) e as restrições de escassez de dados do aprendizado supervisionado. Eles posicionam o método como uma solução prática para ambientes clínicos onde a aquisição de pares NDCT-LDCT é inviável, oferecendo um framework robusto e agnóstico à arquitetura que equilibra a remoção de ruído com a preservação de detalhes anatômicos críticos. O trabalho conclui observando limitações relacionadas ao acúmulo de erros em passos progressivos profundos e à restrição atual ao conjunto de dados de LDCT, sugerindo extensões futuras para outras modalidades de imagem, como LDPET.